專利名稱：一種事件相關電位源定位方法
技術領域：
本發明涉及生物信息技術領域，特別涉及腦電信號源電位技術。
背景技術：
腦電圖因其具有無創、高時間分辨率、能反映大尺度的神經電活動等特點，在腦功能研究與診斷中具有十分重要的地位。腦電是由腦內神經細胞群的電生理活動所產生的電勢，經容積導體(由皮層、顱骨、腦膜及頭皮等組織構成)傳導后，在頭皮表面的綜合表現。通過對腦電數據的反演研究，可以定量地提供腦內神經活動源的位置、強度及分布情況，這就是腦電逆問題。腦電逆問題在神經科學基礎研究和臨床應用中具有重要意義。腦電逆問題是一個不適定問題，其本質上是一個非線性優化問題。但由于非線性問題的復雜性，人們為了簡化計算的復雜性，在腦電源的反演定位中，常用一線性方法去逼 近非線性問題。因此從采用的方法上，可以把腦電源定位方法分為線性反演和非線性反演方法兩類。非線性反演方法不包括模型中源位置的先驗假設，把大腦的一個相對集中小區域的電活動模擬為一個等效偶極子源。這個偶極子代表了該區域神經電活動的位置和方向信息。假設I到5個偶極子，計算產生的頭表電活動與記錄的電活動差異，可以通過非線性優化迭代得到偶極子的位置的方向參數。線性反演又叫源成像方法，目前有最小模解(Minimum Norm Model, MNM),加權最小模解(weighted Minimum Norm, WMN)，低分辨層析成像(Low-resolutionelectromagnetic tomography, L0RETA),多重稀疏先驗(Multiple Sparse Prior model,MSP)以及動態統計參數成像(dynamic Statistical Parametric Mapping, dSPM)等。LORETA和MSP采用了解剖上的空間鄰接關系作為先驗，這兩種方法中臨近的區域被認為有相似的神經活動。dSPM則采用功能磁共振的激活信息作為先驗。專利申請人于2011年前后國際上首次提出采用功能磁共振的連通信息作為先驗的做法網絡源成像(Network-basedsource imaging, NES0I) [Lei X, Xu P, Luo C, Zhao J, Zhou D, Yao D (2011) fMRIFunctional Networks for EEG Source Imaging. Human Brain Mapping32 :1141-1160.]。該方法根據腦區的功能磁共振是否有時間相關性，將腦區劃分為大的模塊，作為腦電源定位的先驗。這些功能網絡與空間鄰接信息(L0RETA采用)或功能激活信息(dSPM采用)不同，它們往往覆蓋了空間上相隔很遠的多個腦區。本方法是在網絡源成像的基礎上，將功能連接信息具體化和規范化，使用數個靜息態腦網絡作為先驗對事件相關電位進行源成像。
發明內容
本發明的目的是提供一種引入靜息態腦網絡信息，更準確的定位事件相關電位的產生源的事件相關電位源定位方法。本發明解決所述技術問題采用的技術方案是，通過貝葉斯理論，使用數個已知的靜息態腦網絡的空間分布信息和頭表電位分布信息，得到每個網絡對頭表電位的貢獻強度，求出事件相關電位的源分布。包括以下步驟(a)、事件相關電位提取，按刺激或反應對單試次的腦電進行疊加平均，得到待源定位的事件相關電位數據，用Y表示，Y為m行I列的向量，m表示電極個數；(b)、假設0為待求解的源的電位強度，為n行I列的向量，n為解空間的大小，即大腦皮層分布的偶極子個數。對0的每一項Qi，都有一個對應的范圍在I到116之間的國際自動解剖標記號(Automated anatomical labeling, AAL[Tzourio-Mazoyer N,Landeau B, Papathanassiou D, Crivello F, Etard 0, Delcroix N, Mazoyer B, JoliotM(2002) !Automated anatomical labeling of activations in SPM using a macroscopicanatomical parcellation of the MNI MRI single-subject brain. Neuroimage 15:273-289.]),解剖標記號的劃定是Tzourio-Mazoyer等人通過對一個具有解剖代表性的健康受試者進行多次MRI掃描Tl加權像進行空間平均化之后做出的。他們將腦溝描繪出，據此做為分界標志在腦的兩個半球各劃分45個區域，由此給90個區域分別人為指定了一個 標記號。標記號相同的腦區構成了一個功能模塊，在認知活動中發揮相似的功能。通過對39例受試者的靜息態功能磁共振數據的獨立成分分解，可得到相似時間序列波形的K個皮層網絡。K個網絡實際覆蓋了源空間的絕大部分區域，根據AAL和K個皮層網絡重合的大小，AAL相同的腦區被唯一的劃分到K個網絡之一。建議的K取值為9，該值是根據smith等(2009)研究發現的10個靜息態腦網絡除去I個小腦網絡(不在源定位的解空間上)后的結果，即視覺網絡中部、視覺網絡側部、視覺網絡腹側、默認模式網絡、運動感覺皮層網絡、聽覺網絡、決策網絡、偏左側的額頂葉網絡、偏右側的額頂葉網絡。我們根據39例靜息態功能磁共振數據構造了 9個網絡對應的AAL標記表，即所謂的靜息態標準網絡，AAL和靜息態標準網絡對應關系如下 表IAAL和靜息態標準網絡對應關系
權利要求
1.一種事件相關電位源定位方法，其特征在于所述方法包括以下步驟 (a)、事件相關電位提取，按刺激或反應對單試次的腦電進行疊加平均，得到待源定位的事件相關電位數據，用Y表示，含m行I列，m為電極個數； (b)、假設0為待求解的源的電位強度，每一項對應皮層上的一個位置，有n行I列，根據每項對應位置的國際自動解剖標記號(Automated anatomical labeling)將0分為k類，分別對應k個磁共振靜息態標準網絡，同一類的源的激活強度相近，不同類源的激活強度不同，其中k為自然數； (C)、按照靜息態標準網絡，構建0的先驗分布，即0滿足均值為0(n行I列的全零向k+l量)，協方差為C (n行n列)的正態分布；C是協方差矩陣Vi的加權和C = YjYi K，其中 i=\Y i為協方差矩陣的強度參數，Vi (I ^k)根據第i個靜息態標準網絡確定，大腦皮層中不被前面k個靜息態標準網絡覆蓋的區域構成第k+l個協方差矩陣； (d)、利用約束最大化似然算法(restrictedmaximum likelihood, ReML)計算每個網絡的強度參數Yi,頭表記錄噪聲的協方差強度a ;
2.如權利要求I所述的事件相關電位源定位方法，其特征在于所述k的值為9。
全文摘要
本發明公開了一種事件相關電位源定位方法，包括以下步驟事件相關電位提取，按刺激或反應對單試次的腦電進行疊加平均，得到待源定位的事件相關電位數據；假設θ為待求解的源的電位強度，每一項對應皮層上的一個位置，根據每項對應位置的國際自動解剖標記號將θ分為k類，分別對應k個磁共振靜息態標準網絡，按照靜息態標準網絡，構建θ的先驗分布；計算每個網絡的強度參數γi，頭表記錄噪聲的協方差強度α；根據以上得到的α，得出皮層的源分布θ＝α(αLTL+C-1)-1LTY。本發明利用了功能磁共振的靜息態腦網絡的空間分布作為先驗信息，成像結果有效整合了腦電的高時間分辨率和功能磁共振的高空間分辨率。
文檔編號A61B5/0476GK102743166SQ20121028289
公開日2012年10月24日 申請日期2012年8月9日 優先權日2012年8月9日
發明者趙治瀛, 雷旭 申請人:西南大學